基于VMD

基于VMD-LSTM轨道交通客流预测模型

作者简介:

黄海超(1996—),男,硕士研究生,研究方向为神经网络在智能交通领域的应用。E-mail:hhc123@hhu.edu.cn。

基金项目:

国家自然科学基金项目(52078190)

Rail Transit Passenger Flow Prediction Model Based on VMD-LSTM

Author:

Huang Haichao

Huang Haichao

College of Civil Engineering and Transportation,Hohai University,Nanjing 210098 ,China
在期刊界中查找
在百度中查找
在本站中查找

Chen Jingya

Chen Jingya

College of Civil Engineering and Transportation,Hohai University,Nanjing 210098 ,China
在期刊界中查找
在百度中查找
在本站中查找

Sun Rui

Sun Rui

College of Civil Engineering and Transportation,Hohai University,Nanjing 210098 ,China
在期刊界中查找
在百度中查找
在本站中查找

摘要 | | 访问统计 | 参考文献 [14] | | || 文章评论

摘要:

客流量预测是城市智能交通系统的重要组成部分。为实现客流量的准确预测，首先采用变分模态分解(VMD)将时序客流数据分解成不同时间尺度下的本征模态函数(IMF)，降低数据噪声对客流预测模型的影响，再结合长短时记忆神经网络 (LSTM)进行预测，提出 VMD-LSTM 预测模型。 采集明尼苏达州州际轨道交通客流数据对模型进行验证。 结果表明：相对传统 LSTM 预测模型，VMD 改进 LSTM 使平均绝对百分误差(MAPE)减少 8.38%，均方根误差(RMSE)减小 256.99，有效提高 LSTM 神经网络的预测精度与鲁棒性。

Abstract:

Passenger flow prediction is an important part of urban intelligent transportation system. In order to realize accurate prediction of passenger flow, variational mode decomposition was adopted to decompose the time series into intrinsic mode function in different time scales, the long short-term memory neural network of deep learning was used to predict, and the VMD-LSTM prediction model was proposed. Data of minnesota interstate subway passenger flow were collected to validate the model. The results show that compared with the traditional LSTM prediction model, the average absolute percentage error and the root mean square error decreases by 8.38% and 256.99% respectively after improved by VMD, the prediction accuracy and robustness of LSTM neural network are improved effectively.

引用本文

黄海超,陈景雅,孙睿.基于VMD-LSTM轨道交通客流预测模型[J].华东交通大学学报,2021,38(1):95-99.

复制

分享 文章指标 点击次数:474 下载次数: 2552 HTML阅读次数: 0

网址：基于VMD https://mxgxt.com/news/view/137484

相关内容

国樽文娱｜关于明星基金会的tips
基金家族的造星策略——基于共同持股股票收益率差异视角
叶文洁终于带领汪淼抵达了红岸基地！
爱并非控制或索取，而是基于尊重与理解
明星基金，明星基金有哪些
基于一部剧的某个精彩瞬间，我完整观看了全剧
新基金发行凸显明星基金效应
基于微信小程序的明星应援系统设计与实现
基于明星效应提升品牌影响及口碑的应用
《2024年 基于社群文化的明星粉丝消费行为研究》范文

随便看看